CN113076799A - 溺水识别报警方法、装置、平台、系统及存储介质 - Google Patents
溺水识别报警方法、装置、平台、系统及存储介质 Download PDFInfo
- Publication number
- CN113076799A CN113076799A CN202110230082.9A CN202110230082A CN113076799A CN 113076799 A CN113076799 A CN 113076799A CN 202110230082 A CN202110230082 A CN 202110230082A CN 113076799 A CN113076799 A CN 113076799A
- Authority
- CN
- China
- Prior art keywords
- drowning
- water area
- image information
- target image
- alarm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 206010013647 Drowning Diseases 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 45
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 132
- 238000003062 neural network model Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 239000003643 water by type Substances 0.000 abstract description 14
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 abstract description 2
- 230000033001 locomotion Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003707 image sharpening Methods 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 230000009182 swimming Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000037149 energy metabolism Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/08—Alarms for ensuring the safety of persons responsive to the presence of persons in a body of water, e.g. a swimming pool; responsive to an abnormal condition of a body of water
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及一种溺水识别报警方法、装置、平台、系统及存储介质，其中，所述方法包括：利用摄像头采集进入水域内的人员的目标图像信息；对所述目标图像信息进行预处理；将经过预处理的目标图像信息输入训练好的神经网络模型中，识别该水域是否存在溺水人员；若是，则生成报警信号。通过摄像头实时监控进入水域内的所有人员，且人员进入水域无需佩戴累赘的检测设备，本申请具有及时发现溺水人员并作出报警信号，从而采取相应措施的效果。
Description
技术领域
本申请涉及水域安全的领域，尤其是涉及一种溺水识别报警方法、装置、平台、系统及存储介质。
背景技术
伴随着人们安全意识的提高，水域安全越来越多的达到了人们的重视，水域安全问题不容小觑。
相关技术参考公开号为CN108376456A的中国发明专利，其公开了一种溺水监控方法及可穿戴设备，包括：可穿戴设备在检测出该可穿戴设备处于浸水状态时，获取该可穿戴设备佩戴者的身体状态信息以及该可穿戴设备佩戴者的运动状态信息，身体状态信息包括能量代谢率、心率以及体表温度中的一种或者多种，运动状态信息包括可穿戴设备佩戴者的运动姿势和/或可穿戴设备佩戴者的运动速度；可穿戴设备根据身体状态信息和运动状态信息，确定可穿戴设备佩戴者的当前运动状态，当前运动状态包括游泳状态或者非游泳状态；可穿戴设备向与可穿戴设备绑定的终端设备发送与当前运动状态相匹配的预警信息。
针对上述中的相关技术，发明人认为进入水域的人员为保证个人安全需要佩戴检测是否溺水的设备，设备携带较为不便，且影响个人在水域内行动。
发明内容
为了在无需佩戴检测设备的情况下可及时发现溺水人员，本申请提供一种溺水识别报警方法、装置、平台、系统及存储介质。
第一方面，本申请提供一种溺水识别报警方法，采用如下的技术方案：
一种溺水识别报警方法，应用于溺水报警平台，该方法包括以下步骤：
利用摄像头采集进入水域内的人员的目标图像信息；
对所述目标图像信息进行预处理；
将经过预处理的目标图像信息输入训练好的神经网络模型中，识别该水域是否存在溺水人员；
若是，则生成报警信号。
通过采用上述技术方案，通过摄像头实时监控进入水域内的所有人员，且人员进入水域无需佩戴累赘的检测设备，可及时发现溺水人员并生成报警信号，从而采取相应措施。
优选的，在所述将经过预处理的目标图像信息输入训练好的神经网络模型中，识别该水域是否存在溺水人员之前，还包括：
构建神经网络模型；
利用溺水信息数据库对所述神经网络模型进行训练，得到训练好的神经网络模型，其中，所述溺水信息数据库存储有溺水人员的表情、手势和动作信息。
通过采用上述技术方案，根据溺水人员会作出的表情、手势以及动作构建神经网络模型，从而更加准确地判断水域内是否有人员溺水。
优选的，在识别该水域存在溺水人员之后，还包括：
将该水域的当前溺水次数加1，并基于该水域的当前溺水次数设置该水域的风险等级。
通过采用上述技术方案，将水域按风险等级划分，并实时更新每个水域的风险等级，从而提醒进入高风险水域内的人员注意个人防护，从而引起水域内人员的注意。
优选的，在所述对所述目标图像信息进行预处理之后，还包括：
获取溺水图像信息，判断进入水域的人员是否发生过溺水情况，其中，所述溺水图像信息是在识别存在溺水人员之后存储的溺水人员的目标图像信息；
若是，则生成预警信号。
通过采用上述技术方案，在出现过溺水现象的人员再次进入水域后生成预警信号，从而引起系统的警示，使得出现过溺水现象的人员得到水域系统的重视，减小溺水现象发生的可能性。
优选的，在识别该水域存在溺水人员之后，还包括：
获取所述溺水人员的位置信息。
通过采用上述技术方案，当水域内有人溺水时，救援人员及时获取溺水人员的位置信息，从而及时对溺水人员实施救援。
优选的，所述获取所述溺水人员的位置信息包括：
获取所述摄像头采集到的目标图像信息；
在所述目标图像信息中选择一个图像参考点，所述图像参考点对应的水域位置为水域参考点，获取所述溺水人员在目标图像信息中的位置以及在水域内代表的位置，其中，以所述水域的某一点为水域坐标原点，所述目标图像信息中与所述水域坐标原点相对应的点为图像坐标原点，以水域坐标原点为原点得出水域参考点的坐标，以图像坐标原点为原点得出图像参考点的坐标；
基于所述图像参考点以及在所述水域参考点计算出转换参数；
通过所述溺水人员在图像中的坐标和所述转换参数得出溺水人员在水域中的坐标。
通过采用上述技术方案，通过建立坐标系计算出目标与目标图像信息之间的转换参数，然后再借助转换参数以及目标图像信息计算出溺水人员的具体位置。
第二方面，本申请提供一种溺水识别报警装置，采用如下的技术方案：
一种溺水识别报警装置，应用于溺水报警平台，包括：
采集模块，利用摄像头采集进入水域内的人员的目标图像信息；
预处理模块，用于对所述目标图像信息进行预处理；
判断模块，用于将经过预处理的目标图像信息输入训练好的神经网络模型中，识别该水域是否存在溺水人员，若是，则转入报警模块；
所述报警模块，用于生成报警信号。
通过采用上述技术方案，借助采集模块先对水域内的状况进行实时监控采集，再通过预处理模块将目标图像信息进行处理，然后借助判断模块判断水域内是否存在人员溺水，当存在人员溺水时及时生成报警信号提示救援人员营救。
第三方面，本申请提供一种溺水报警平台，采用如下的技术方案：
一种溺水报警平台，包括存储器、处理器和摄像头，所述存储器上存储有能够被所述处理器加载并执行如第一方面任一种方法的计算机程序。
第四方面，本申请提供一种溺水识别报警系统，采用如下的技术方案：
一种溺水识别报警系统，包括设置在水域中的水域救援柜、如第三方面所述的溺水报警平台以及救援人员随身携带的移动终端；其中，
所述水域救援柜采集所述水域的视频图像，并将所述视频图像上传至所述溺水报警平台；
所述溺水报警平台用于，当所述水域存在溺水人员时，生成报警信号并向所述移动终端发送警情处理信号。
第五方面，本申请提供一种溺水识别报警系统，采用如下的技术方案：
一种计算机可读存储介质，存储有能够被处理器加载并执行如第一方面任一种方法的计算机程序。
综上所述，本申请包括以下至少一种有益技术效果：
1.实时监控进入水域内的所有人员，且人员进入水域无需佩戴累赘的检测设备，可及时发现溺水人员并作出报警信号；
2.根据溺水人员会作出的表情、手势以及动作构建神经网络模型，从而更加准确地判断水域内是否有人员溺水；
3.将水域按风险等级划分，并实时更新每个水域的风险等级，从而提醒进入高风险水域内的人员注意个人防护，从而引起水域内人员的注意；
4.通过建立坐标系计算出目标与目标图像信息之间的转换参数，然后再借助转换参数以及目标图像信息计算出溺水人员的具体位置。
附图说明
图1是本申请实施例的溺水识别报警方法的流程示意图。
图2是本申请实施例中构建神经网络模型的流程示意图。
图3是本申请实施例中得到溺水人员位置信息的方法的流程示意图。
图4是本申请实施例的溺水识别报警装置的结构框图。
图5是本申请实施例的溺水报警平台的结构框图。
图6是本申请实施例的溺水识别报警系统的结构框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
图1为本实施例提供的一种溺水识别报警方法的流程示意图。参照图1，该方法应用于溺水报警平台，其主要流程描述如下（步骤S100～S500）：
步骤S100，利用摄像头采集进入水域内的人员的目标图像信息；
在本实施例中，在水域的附近岸边放置摄像头，在某一水域的周围可以放置一个摄像头，也可以在某一水域附近放置多个摄像头同时进行监控。摄像头对水域进行全天不间断监控，摄像头可以选用红外线摄像头，方便对水域进行夜间监控，且存在一个摄像头的拍摄角度不变。人员进入水域后，便通过摄像头对水域进行拍摄，监测水域内人员溺水状况。
摄像头可设置在水域附近岸边放置的水域救援柜上。水域救援柜内存储有水域救援相关的工具，且在一个水域的周围可以放置一个水域救援柜，也可以在一个水域附近放置多个水域救援柜同时进行视频监控。
当人员进入水域后，获取溺水图像信息，判断进入水域的人员是否发生过溺水情况，若是，则生成预警信号。其中，溺水图像信息是在识别存在溺水人员之后存储的溺水人员的目标图像信息，并对溺水人员信息实时更新，便于对进入水域后第一次溺水的人员进行记录，从而在下次再次进入水域时对系统进行提醒。
步骤S200，对目标图像信息进行预处理；
在本实施例中，预处理的方式依次包括图像增强处理、图像平滑处理以及图像锐化处理。首先将目标图像通过图像增强处理，修改像素灰度，增加图像线条的对比度；然后通过图像平滑处理将目标图像中呈孤立分散分布的噪声点去除；最后通过图像锐化处理，使图像中的边缘变得清晰。
在图像增强处理的过程中首先对原始图像进行灰度变换，灰度变换的方式可以为变换图片的颜色、明暗关系或色彩饱和度等，得出灰度增强图像；再将灰度增强图像变换为直方图均衡图像。
然后将图像平滑处理的过程中，首先通过邻域平均法消除噪声，再通过中值滤波处理生成去噪后的图像。
图像锐化处理借助高通滤波的方式最后对图像进行处理，从而得出轮廓清晰的图像，便于后续对目标图像信息进行判断。
步骤S300，将经过预处理的目标图像信息输入训练好的神经网络模型中，识别该水域是否存在溺水人员；
步骤S400，若是，则生成报警信号。
在本实施例中，当训练神经网络模型时，参照图2，步骤S300包括（步骤S301～S303）：
步骤S301，构建神经网络模型，根据人员溺水时作出的表情、手势和动作信息建立溺水信息数据库；
例如，当人员溺水时会将头间歇式探出水面，且溺水人员面部朝上，双眼紧闭，口作出救命状，胳膊及手掌间歇式向上伸出。
步骤S302，利用溺水信息数据库对神经网络模型进行训练，得到训练好的神经网络模型。
步骤S303，获取摄像头采集到的溺水人员的目标图像信息。将溺水人员的表情、手势和动作信息存储至训练好的神经网络模型，对神经网络模型进行更新，从而提高神经网络模型识别的精确度。
例如，当人员的的表情、手势和动作信息中大于等于两个信息与以上信息重合时，则证明该水域存在溺水人员。例如，某水域中存在溺水人员时，溺水人员手掌间歇式向上伸出水面，同时目标图像信息显示溺水人员口中作出救命状，便可判断水域中存在溺水人员；且摄像头捕捉到目标图像信息中的一些其他溺水时的信息，将该信息存储进行深度学习，继而更新溺水信息数据库。
优选的，识别该水域存在溺水人员之后，还包括：
步骤S500，获取溺水人员的位置信息并将位置信息发送至救援人员。
参照图3，步骤S500包括如下子步骤（步骤S501～S504）：
步骤S501，获取摄像头采集到的目标图像信息；对水域进行拍照并将照片发送至处理器。
步骤S502，在目标图像信息中选择一个图像参考点，图像参考点对应的水域位置为水域参考点，获取溺水人员在目标图像信息中的位置以及在水域内代表的位置；
其中，以水域的某一点为水域坐标原点，目标图像信息中与水域坐标原点相对应的点为图像坐标原点，以水域坐标原点为原点得出水域参考点的坐标，以图像坐标原点为原点得出图像参考点的坐标。
步骤S503，基于图像参考点以及水域参考点计算出转换参数；通过图像参考点以及水域参考点建立两者之间的转换关系，其中，转换参数可参考摄像头与水域之间的倾斜角度得出。
步骤S504，通过溺水人员在图像中的坐标和转换参数得出溺水人员在水域中的坐标。
例如，当水域内存在溺水人员时，得出目标图像信息中溺水人员在图像中的坐标，再通过转换参数计算出溺水人员在该水域内的坐标，并将溺水人员的坐标发送至救援人员携带的移动终端，救援人员可根据溺水人员的坐标及时对溺水人员进行施救，从而提高水域安全性能。
优选的，在识别该水域存在溺水人员之后，还包括：
将该水域的当前溺水次数加1，并基于该水域的当前溺水次数设置该水域的风险等级，风险等级包括低、中和高。
例如，当该水域中出现过溺水现象的次数为零时，将该区域设为低风险区；当该水域内出现过溺水现象的次数大于零小于三时，将该区域设为中风险区；当该水域内出现过溺水现象的次数大于等于三时，将该区域设为高风险区。通过实时更新每个水域的风险等级，对工作人员以及进入水域内的人员进行提醒。
参照图4，本申请还提供了一种溺水识别报警装置，应用于溺水报警平台，溺水识别报警装置600包括：
采集模块601，利用摄像头采集进入水域内的人员的目标图像信息；
预处理模块602，用于对目标图像信息进行预处理；
判断模块603，用于将经过预处理的目标图像信息输入训练好的神经网络模型中，识别该水域是否存在溺水人员，若是，则转入报警模块604；
报警模块604，用于生成报警信号。
为了更好的执行上述方法，参照图5，本申请还提提供了一种溺水报警平台，该溺水报警平台700包括存储器701、处理器702、报警装置703、通信接口704以及通信总线705；存储器701、处理器702、通信接口704通过通信总线705相连；报警装置703与通信接口705相连。
报警装置703用于当检测到水域存在溺水人员时，发出报警信号。报警装置703可以是无线传输模块，例如4G、5G模块，将报警信号发送至相应的救援人员的移动终端，还可以是声光报警器，提醒平台的救援人员有警情发生。
其中，存储器701可用于存储指令、程序、代码、代码集或指令集。存储器701可以包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令以及用于实现上述实施例提供的溺水识别报警方法的指令等；存储数据区可存储上述第一方面提供的溺水识别报警方法中涉及到的数据等。
处理器702可以包括一个或者多个处理核心。处理器702通过运行或执行存储在存储器701内的指令、程序、代码集或指令集，调用存储在存储器701内的数据，执行本申请的各种功能和处理数据。处理器702可以为特定用途集成电路(Application SpecificIntegrated Circuit，ASIC)、数字信号处理器702(Digital Signal Processor，DSP)、数字信号处理装置(Digital Signal Processing Device，DSPD)、可编程逻辑装置(Programmable Logic Device，PLD)、现场可编程门阵列(Field Programmable GateArray，FPGA)、中央处理器702(Central Processing Unit，CPU)、控制器、微控制器和微处理器702中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器702功能的电子器件还可以为其它，本申请实施例不作具体限定。
本实施例还提供一种溺水识别报警系统，参照图6，该溺水识别报警系统800包括设置在水域的水域救援柜801、溺水报警平台700和救援人员随身携带的移动终端802；其中。
水域救援柜801上设置有可采集水域的视频图像的至少一个摄像头，并通过4G、5G网络等无线方式将视频图像上传至溺水报警平台700。其中，摄像头可采用红外夜视摄像头，保障夜间的正常视频监控功能；摄像头的数量可为一个或多个，可通过调节摄像头的数量以及摄像头的位置，获取不同的水域监控范围。
溺水报警平台700用于当水域存在溺水人员时，通过短信、APP消息等方式向相应的移动终端802发送警情处理报警信号，以保证救援人员能及时获取，并前往救援。
需要说明的是，相应的移动终端802可以是该水域预先绑定的空闲救援人员的移动终端，也可以是当前位于该水域最近的空闲救援人员的移动终端。另外，移动终端包括但不限于手机、平板电脑、智能穿戴设备。
本申请实施例提供一种计算机可读存储介质，例如包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。该计算机可读存储介质存储有能够被处理器加载并执行上述溺水识别报警方法的计算机程序。
Claims (10)
1.一种溺水识别报警方法，其特征在于，应用于溺水报警平台，该方法包括以下步骤：
利用摄像头采集进入水域内的人员的目标图像信息；
对所述目标图像信息进行预处理；
将经过预处理的目标图像信息输入训练好的神经网络模型中，识别该水域是否存在溺水人员；
若是，则生成报警信号。
2.根据权利要求1所述的方法，其特征在于，在所述将经过预处理的目标图像信息输入训练好的神经网络模型中，识别该水域是否存在溺水人员之前，还包括：
构建神经网络模型；
利用溺水信息数据库对所述神经网络模型进行训练，得到训练好的神经网络模型，其中，所述溺水信息数据库存储有溺水人员的表情、手势和动作信息。
3.根据权利要求1所述的方法，其特征在于，在识别该水域存在溺水人员之后，还包括：
将该水域的当前溺水次数加1，并基于该水域的当前溺水次数设置该水域的风险等级。
4.根据权利要求1所述的方法，其特征在于，在所述对所述目标图像信息进行预处理之后，还包括：
获取溺水图像信息，判断进入水域的人员是否发生过溺水情况，其中，所述溺水图像信息是在识别存在溺水人员之后存储的溺水人员的目标图像信息；
若是，则生成预警信号。
5.根据权利要求1所述的方法，其特征在于，在识别该水域存在溺水人员之后，还包括：
获取所述溺水人员的位置信息并将所述位置信息发送至救援人员。
6.根据权利要求5所述的方法，其特征在于，所述获取所述溺水人员的位置信息包括：
获取所述摄像头采集到的目标图像信息；
在所述目标图像信息中选择一个图像参考点，所述图像参考点对应的水域位置为水域参考点，获取所述溺水人员在目标图像信息中的位置以及在水域内代表的位置，其中，以所述水域的某一点为水域坐标原点，所述目标图像信息中与所述水域坐标原点相对应的点为图像坐标原点，以水域坐标原点为原点得出水域参考点的坐标，以图像坐标原点为原点得出图像参考点的坐标；
基于所述图像参考点以及所述水域参考点计算出转换参数；
通过所述溺水人员在图像中的坐标和所述转换参数得出溺水人员在水域中的坐标。
7.一种溺水识别报警装置，其特征在于，应用于溺水报警平台，包括：
采集模块，利用摄像头采集进入水域内的人员的目标图像信息；
预处理模块，用于对所述目标图像信息进行预处理；
判断模块，用于将经过预处理的目标图像信息输入训练好的神经网络模型中，识别该水域是否存在溺水人员，若是，则转入报警模块；
所述报警模块，用于生成报警信号。
8.一种溺水报警平台，其特征在于，包括存储器、处理器和摄像头，所述存储器上存储有能够被所述处理器加载并执行如权利要求1至6中任一种方法的计算机程序。
9.一种溺水识别报警系统，其特征在于，包括设置在水域中的水域救援柜、如权利要求8所述的溺水报警平台以及救援人员随身携带的移动终端；其中，
所述水域救援柜采集所述水域的视频图像，并将所述视频图像上传至所述溺水报警平台；
所述溺水报警平台用于，当所述水域存在溺水人员时，生成报警信号并向所述移动终端发送警情处理信号。
10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至6中任一种方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110230082.9A CN113076799A (zh) | 2021-03-02 | 2021-03-02 | 溺水识别报警方法、装置、平台、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110230082.9A CN113076799A (zh) | 2021-03-02 | 2021-03-02 | 溺水识别报警方法、装置、平台、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113076799A true CN113076799A (zh) | 2021-07-06 |
Family
ID=76609833
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110230082.9A Pending CN113076799A (zh) | 2021-03-02 | 2021-03-02 | 溺水识别报警方法、装置、平台、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113076799A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538853A (zh) * | 2021-07-07 | 2021-10-22 | 德恩(潍坊)金属制品有限责任公司 | 一种微型涉水智能救助站 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110210323A (zh) * | 2019-05-09 | 2019-09-06 | 浙江大学 | 一种基于机器视觉的溺水行为在线识别方法 |
| CN111046762A (zh) * | 2019-11-29 | 2020-04-21 | 腾讯科技（深圳）有限公司 | 一种对象定位方法、装置电子设备及存储介质 |
| CN111626162A (zh) * | 2020-05-18 | 2020-09-04 | 江苏科技大学苏州理工学院 | 基于时空大数据分析的水上救援系统及溺水警情预测方法 |
-
2021
- 2021-03-02 CN CN202110230082.9A patent/CN113076799A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110210323A (zh) * | 2019-05-09 | 2019-09-06 | 浙江大学 | 一种基于机器视觉的溺水行为在线识别方法 |
| CN111046762A (zh) * | 2019-11-29 | 2020-04-21 | 腾讯科技（深圳）有限公司 | 一种对象定位方法、装置电子设备及存储介质 |
| CN111626162A (zh) * | 2020-05-18 | 2020-09-04 | 江苏科技大学苏州理工学院 | 基于时空大数据分析的水上救援系统及溺水警情预测方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538853A (zh) * | 2021-07-07 | 2021-10-22 | 德恩(潍坊)金属制品有限责任公司 | 一种微型涉水智能救助站 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110210323B (zh) | 一种基于机器视觉的溺水行为在线识别方法 | |
| CN107704805B (zh) | 疲劳驾驶检测方法、行车记录仪及存储装置 | |
| TWI754887B (zh) | 活體檢測方法和裝置、電子設備及儲存介質 | |
| CN111382714B (zh) | 图像检测方法、装置、终端及存储介质 | |
| CN114842397B (zh) | 一种基于异常检测的实时老人跌倒检测方法 | |
| CN111242004A (zh) | 一种基于电梯监控数据处理的自动告警方法及系统 | |
| CN111936990A (zh) | 唤醒屏幕的方法和装置 | |
| CN108647575A (zh) | 基于光学视觉分析的溺水预警方法 | |
| US20210174073A1 (en) | A Method and Apparatus for Swimmer Tracking | |
| CN106881716A (zh) | 基于3d摄像头机器人的人体跟随方法及系统 | |
| CN115984967A (zh) | 基于深度学习的人体跌倒检测方法、装置及系统 | |
| CN112299172A (zh) | 手势求救的识别方法、装置及存储介质 | |
| CN111783702A (zh) | 一种基于图像增强算法和人体关键点定位的高效行人摔倒检测方法 | |
| CN115482485A (zh) | 视频处理方法、装置、计算机设备及可读存储介质 | |
| CN113076799A (zh) | 溺水识别报警方法、装置、平台、系统及存储介质 | |
| Sharan et al. | Driver fatigue detection based on eye state recognition using convolutional neural network | |
| CN113393628A (zh) | 一种智能监控报警方法、系统、智能终端以及存储介质 | |
| CN115909400A (zh) | 一种用于低分辨率监控场景中使用手机行为的识别方法 | |
| JP6822326B2 (ja) | 見守り支援システム及びその制御方法 | |
| CN112307920B (zh) | 一种高风险工种作业人员行为预警装置及方法 | |
| TWI657379B (zh) | 智慧深度學習溺水救生系統 | |
| CN113903147A (zh) | 一种基于雷达的人体姿态判别方法、装置、设备及介质 | |
| CN112580560A (zh) | 一种应用于泳池的智能监控方法及系统 | |
| Pynadath et al. | Drowsiness Detection Based on Image Processing with Video Compression | |
| US11423760B2 (en) | Device for detecting drowning individuals or individuals in a situation presenting a risk of drowning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210706 |